Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Ilato, Mutiara
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Multilayer Perceptron (MLP) untuk Klasifikasi Citra Kue Karawo Berdasarkan Fitur Tekstur GLCM dan Warna HSV di Viana Cookies Ilato, Mutiara; Yahya, Lailany; Abdussamad, Siti Nurmardia
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.4243

Abstract

Kue karawo merupakan salah satu produk pangan tradisional khas Provinsi Gorontalo yang memiliki nilai budaya sekaligus potensi ekonomi. Penilaian kualitas kue karawo selama ini masih dilakukan secara visual dan manual, sehingga sangat bergantung pada subjektivitas penilai dan berisiko menimbulkan ketidakkonsistenan hasil, terutama pada proses produksi dalam jumlah besar. Penelitian ini bertujuan untuk mengklasifikasikan kualitas kue karawo secara otomatis dengan memanfaatkan citra digital dan algoritma Multilayer Perceptron (MLP). Karakteristik kualitas kue direpresentasikan melalui fitur tekstur dan warna, di mana fitur tekstur diekstraksi menggunakan Gray Level Co-occurrence Matrix (GLCM) yang meliputi energy, contrast, correlation, dan homogeneity, sedangkan fitur warna diperoleh dari model Hue, Saturation, dan Value (HSV). Data citra yang digunakan berasal dari Viana Cookies dan telah melalui tahapan praproses serta normalisasi menggunakan metode Z-score sebelum dilakukan pelatihan dan pengujian model. Evaluasi kinerja klasifikasi dilakukan menggunakan confusion matrix dengan indikator akurasi, presisi, dan recall. Hasil pengujian menunjukkan bahwa model MLP mampu memberikan kinerja yang cukup baik dengan nilai akurasi sebesar 80,72%, presisi 72,73%, dan recall 77,42%. Hasil ini menunjukkan bahwa kombinasi fitur tekstur GLCM dan warna HSV efektif digunakan dalam mengklasifikasikan kualitas kue karawo. Secara praktis, penelitian ini diharapkan dapat menjadi dasar pengembangan sistem pendukung keputusan dalam pengendalian kualitas produk kue karawo secara objektif dan efisien.
Co-Authors Lailany Yahya Siti Nurmardia Abdussamad